mcpField
C
cc25a-openai-api-agent-project123123123

cc25a-openai-api-agent-project123123123

リモート
github.com/cc25a金融データ058 週間前に更新
リポジトリ

cc25a-openai-api-agent-project123123123 について

OpenAI APIを使ったエージェント開発を学ぶための講座プロジェクトです。エージェントアプリ、MCP サーバー機能、ファインチューニングデータの処理例を含みます。

主な機能

  1. 01エージェントアプリの実行
  2. 02Function Calling用の関数定義
  3. 03関数をMCPツールとして利用
  4. 04SFT、DPO、RFTデータの準備とアップロード

活用シーン

  1. 01OpenAI APIベースのエージェントアプリの実行
  2. 02プロジェクトの関数をMCPクライアントに提供
  3. 03ファインチューニングデータの変換とアップロード

MCP 対応

tools.pyの関数をMCPツールとして使用し、MCP サーバーからクライアントに公開できます。

設定

リモートサーバーはインストール不要です。クライアントを選んで設定をコピーするか、ワンクリックで導入できます。

エンドポイントhttps://server.smithery.ai/@cc25a/openai-api-agent-project123123123/mcp
インストールコマンドをコピー
Claude CodeTerminal
Cursor.cursor/mcp.json
VS Code.vscode/mcp.json
Claude Desktopclaude_desktop_config.json
Windsurf~/.codeium/windsurf/mcp_config.json

コマンドはターミナルで実行し、JSON は各クライアントの MCP 設定に貼り付けて再起動します。認可が必要なサーバーは初回接続時にログインを求めます。

すべてのエンドポイント
Streamable HTTPhttps://server.smithery.ai/@cc25a/openai-api-agent-project123123123/mcp認証が必要

ツール

詳細

OpenAI API Agent School - プロジェクト

本資料は、(株)エーアイキャッスルが作成したOpenAI APIで学ぶエージェント開発の第一歩 (OpenAI API Agent School)講座のプロジェクト資料です。

[0] インストールとビルド(uv)

# uv Install
curl -LsSf https://astral.sh/uv/install.sh | sh

# uv Build
uv sync --frozen && uv cache prune --ci

[1] プロジェクトのセットアップ

1.1. 環境変数(.env)
  • .env ファイルで設定するか、デプロイ環境で指定
  • OPENAI_API_KEY:エージェントアプリ、またはファインチューニング用データをアップロードするときに使用する OpenAI API キー
  • PROMPT_ID:エージェントアプリで使用する OpenAI プロンプト ID
  • TITLE:エージェントアプリの上部に表示するタイトル
  • PASSWORD:パスワードの設定(空欄の場合、誰でもアクセスできます)
    • エージェントアプリでは、ログインが必要になります
    • MCP サーバーでは、?password=<your-password>のようにクエリ文字列で渡す必要があります
1.2. config.overrides.jsonc
  • エージェントアプリから openai api をリクエストするときに、responses create で上書きする設定値
  • config.overrides.jsonc ファイルで設定するか、デプロイ環境で指定
  • ファイルの場所
    • プロジェクトフォルダー(優先)
    • /etc/secrets/
1.3. tools.py
  • エージェントアプリで Function Calling に使用する関数です。
  • または、MCP サーバーでツールとして使用する関数です。
  • ファイルの場所:tools.py

[2] アプリの実行

実行
uv run main.py
KEEPALIVE_URL
  • 実行中のアプリが一定時間アクセスされず、アイドル状態になる場合、KEEPALIVE_URLを github actions の環境変数(secrets)に指定すると、定期的にアクセスする cron ジョブを実行できます。
  • フォークした場合は、フォークしたリポジトリにアクセスし、上部の Actions タブで Actions を有効にして、.github/workflows/keepalive-url.yml を有効にしてください。
  • リポジトリ > settings > Secrets and Variables > Actions > New repository secret にアクセスし、以下のように入力します(Secret にはご自身がデプロイした URL を入力してください)
  • 例
    • Name: KEEPALIVE_URL
    • Secret: https://<your-project-name>.onrender.com

[3] ファインチューニングデータ

正常にアップロードするには、.envファイルにOPENAI_API_KEYを登録する必要があります。

3.1. SFT(教師ありファインチューニング)
  • フォルダーの場所:fine_tuning_data/supervised/
  • データの作成とアップロード
    uv run fine_tuning_data/supervised/convert_and_upload.py
    
3.2. DPO(直接選好最適化)
  • フォルダーの場所:fine_tuning_data/preference/
  • データの作成とアップロード
    uv run fine_tuning_data/preference/convert_and_upload.py
    
3.3. RFT(強化ファインチューニング)
  • フォルダーの場所:fine_tuning_data/reinforcement/
  • データの作成とアップロード
    uv run fine_tuning_data/reinforcement/convert_and_upload.py
    

コメント

MCP は初めてですか?

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。